As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá. # Formatos de arquivo manifesto As seções a seguir mostram exemplos dos formatos de arquivo de manifesto para arquivos de entrada, saída e avaliação. ## Manifesto de entrada Um arquivo manifesto é um arquivo delimitado por linha json, com cada linha contendo um JSON que contém informações sobre uma única imagem. Cada entrada no manifesto de entrada deve conter o campo `source-ref` com um caminho para a imagem no bucket do Amazon S3 e, para moderação personalizada, o campo `content-moderation-groundtruth` com anotações básicas. Espera-se que todas as imagens em um conjunto de dados estejam no mesmo bucket. A estrutura é comum aos arquivos de manifesto de treinamento e teste. A operação `CreateProjectVersion` de moderação personalizada usa as informações fornecidas no manifesto de entrada para treinar um adaptador. O exemplo a seguir é uma linha de um arquivo de manifesto para uma única imagem que contém uma única classe não segura: ``` { "source-ref": "s3://foo/bar/1.jpg", "content-moderation-groundtruth": { "ModerationLabels": [ { "Name": "Rude Gesture" } ] } } ``` O exemplo a seguir é uma linha de um arquivo de manifesto para uma única imagem insegura que contém várias classes inseguras, especificamente Nudez e Gesto Rude. ``` { "source-ref": "s3://foo/bar/1.jpg", "content-moderation-groundtruth": { "ModerationLabels": [ { "Name": "Rude Gesture" }, { "Name": "Nudity" } ] } } ``` O exemplo a seguir é uma linha de um arquivo de manifesto para uma única imagem que não contém nenhuma classe insegura: ``` { "source-ref": "s3://foo/bar/1.jpg", "content-moderation-groundtruth": { "ModerationLabels": [] } } ``` Para ver a lista completa de rótulos compatíveis, consulte [Moderação de conteúdo](https://docs.aws.amazon.com/rekognition/latest/dg/moderation.html). ## Manifesto de saída Ao concluir um trabalho de treinamento, um arquivo de manifesto de saída é retornado. O arquivo manifesto de saída é um arquivo JSON-line delimitado com cada linha contendo um JSON que contém informações para uma única imagem. O caminho do Amazon S3 para o OutputManifest pode ser obtido a partir da `DescribeProjectVersion` resposta: + `TrainingDataResult.Output.Assets[0].GroundTruthManifest.S3Object` para conjunto de dados de treinamento + `TestingDataResult.Output.Assets[0].GroundTruthManifest.S3Object` para testar o conjunto de dados As informações a seguir são retornadas para cada entrada no manifesto de saída: | | | | --- |--- | | Nome da chave | Description | | source-ref | Referência a uma imagem em s3 que foi fornecida no manifesto de entrada | | content-moderation-groundtruth | Anotações verídicas básicas que foram fornecidas no manifesto de entrada | | detect-moderation-labels | Previsões do adaptador, apenas parte do conjunto de dados de teste | | detect-moderation-labels-base-model | Previsões do modelo básico, apenas parte do conjunto de dados de teste | As previsões do adaptador e do modelo básico são retornadas em ConfidenceTrehsold 5.0 no formato semelhante à [DetectModerationLabels](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_DetectModerationLabels.html)resposta. O exemplo a seguir mostra a estrutura das previsões do modelo Adaptador e Base: ``` { "ModerationLabels": [ { "Confidence": number, "Name": "string", "ParentName": "string" } ], "ModerationModelVersion": "string", "ProjectVersion": "string" } ``` Para ver a lista completa de rótulos devolvidos, consulte [Moderação de conteúdo](https://docs.aws.amazon.com/rekognition/latest/dg/moderation.html). ## Manifesto dos resultados da avaliação Ao concluir um trabalho de treinamento, um arquivo de manifesto do resultado da avaliação é retornado. O manifesto dos resultados da avaliação é um arquivo JSON gerado pelo trabalho de treinamento e contém informações sobre o desempenho do adaptador nos dados de teste. O caminho do Amazon S3 para o manifesto dos resultados da avaliação pode ser obtido no `EvaluationResult.Summary.S3Object` campo na DescribeProejctVersion resposta. O exemplo a seguir mostra a estrutura do manifesto dos resultados da avaliação: ``` { "AggregatedEvaluationResults": { "F1Score": number }, "EvaluationDetails": { "EvaluationEndTimestamp": "datetime", "Labels": [ "string" ], "NumberOfTestingImages": number, "NumberOfTrainingImages": number, "ProjectVersionArn": "string" }, "ContentModeration": { "InputConfidenceThresholdEvalResults": { "ConfidenceThreshold": float, "AggregatedEvaluationResults": { "BaseModel": { "TruePositive": int, "TrueNegative": int, "FalsePositive": int, "FalseNegative": int }, "Adapter": { "TruePositive": int, "TrueNegative": int, "FalsePositive": int, "FalseNegative": int } }, "LabelEvaluationResults": [ { "Label": "string", "BaseModel": { "TruePositive": int, "TrueNegative": int, "FalsePositive": int, "FalseNegative": int }, "Adapter": { "TruePositive": int, "TrueNegative": int, "FalsePositive": int, "FalseNegative": int } } ] } "AllConfidenceThresholdsEvalResults": [ { "ConfidenceThreshold": float, "AggregatedEvaluationResults": { "BaseModel": { "TruePositive": int, "TrueNegative": int, "FalsePositive": int, "FalseNegative": int }, "Adapter": { "TruePositive": int, "TrueNegative": int, "FalsePositive": int, "FalseNegative": int } }, "LabelEvaluationResults": [ { "Label": "string", "BaseModel": { "TruePositive": int, "TrueNegative": int, "FalsePositive": int, "FalseNegative": int }, "Adapter": { "TruePositive": int, "TrueNegative": int, "FalsePositive": int, "FalseNegative": int } } ] } ] } } ``` O arquivo de manifesto de avaliação contém: + Resultados agregados conforme definido por `F1Score` + Detalhes do trabalho de avaliação ProjectVersionArn, incluindo o número de imagens de treinamento, o número de imagens de teste e as etiquetas nas quais o adaptador foi treinado. + FalseNegative Resultados agregados TruePositive, TrueNegative, FalsePositive, para o modelo básico e para o desempenho do adaptador. + Por etiqueta TruePositive,, TrueNegative FalsePositive, e FalseNegative resultados para o modelo básico e o desempenho do adaptador, calculados no limite de confiança de entrada. + FalseNegative Resultados agregados e por rótulo TruePositive, TrueNegative, FalsePositive, e para o desempenho do modelo básico e do adaptador em diferentes limites de confiança. O limite de confiança varia de 5 a 100 em etapas de 5.